Läs på engelska

Dela via

Anpassa basavbildningen för beräkningssession

  • Artikel

Det här avsnittet förutsätter att du har kunskap om Docker - och Azure Machine Learning-miljöer.

Steg 1: Förbered docker-kontexten

Skapa image_build mapp

Skapa en mapp i din lokala miljö som innehåller följande filer. Mappstrukturen bör se ut så här:

|--image_build
|  |--requirements.txt
|  |--Dockerfile
|  |--environment.yaml

Definiera nödvändiga paket i requirements.txt

Valfritt: Lägg till paket i en privat pypi-lagringsplats.

Använd följande kommando för att ladda ned dina paket till lokala: pip wheel <package_name> --index-url=<private pypi> --wheel-dir <local path to save packages>

requirements.txt Öppna filen och lägg till dina extra paket och en specifik version i den. Till exempel:

###### Requirements with Version Specifiers ######
langchain == 0.0.149        # Version Matching. Must be version 0.0.149
keyring >= 4.1.1            # Minimum version 4.1.1
coverage != 3.5             # Version Exclusion. Anything except version 3.5
Mopidy-Dirble ~= 1.1        # Compatible release. Same as >= 1.1, == 1.*
<path_to_local_package>     # reference to local pip wheel package

Mer information om hur du strukturerar requirements.txt filen finns i Kravfilformat i pip-dokumentationen.

Definiera Dockerfile

Skapa en Dockerfile och lägg till följande innehåll och spara sedan filen:

FROM <Base_image>
COPY ./* ./
RUN pip install -r requirements.txt

Anteckning

Den här docker-avbildningen bör skapas från basavbildningen för promptflöde som är mcr.microsoft.com/azureml/promptflow/promptflow-runtime:<newest_version>. Använd om möjligt den senaste versionen av basavbildningen.

Steg 2: Skapa en anpassad Azure Machine Learning-miljö

Definiera din miljö i environment.yaml

I din lokala beräkning kan du använda CLI (v2) för att skapa en anpassad miljö baserat på docker-avbildningen.

Anteckning

shell 
az login # if not already authenticated

az account set --subscription <subscription ID>
az configure --defaults workspace=<Azure Machine Learning workspace name> group=<resource group>

environment.yaml Öppna filen och lägg till följande innehåll. Ersätt platshållaren <environment_name> med önskat miljönamn.

YAML 
$schema: https://azuremlschemas.azureedge.net/latest/environment.schema.json
name: <environment_name>
build:
  path: .

Skapa en miljö

shell 
cd image_build
az ml environment create -f environment.yaml --subscription <sub-id> -g <resource-group> -w <workspace>

Anteckning

Det kan ta flera minuter att skapa miljöbilden.

Gå till arbetsytans användargränssnittssida, gå sedan till miljösidan och leta upp den anpassade miljö som du skapade.

Du kan också hitta bilden på sidan med miljöinformation och använda den som basavbildning för beräkningssessionen för promptflödet. Den här avbildningen används också för att skapa en miljö för flödesdistribution från användargränssnittet. Läs mer om hur du anger basavbildning i beräkningssessionen.

Mer information om cli-miljön finns i Hantera miljöer.

Nästa steg